論文の概要: Staircase Policy: Streaming Inference for World-Action Models with Large Action Chunks

• arxiv url: http://arxiv.org/abs/2609.36471v1
• Date: Tue, 29 Sep 2026 01:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.089925
• Title: Staircase Policy: Streaming Inference for World-Action Models with Large Action Chunks
• Title（参考訳）: ステージケースポリシー:大きなアクションチャンクを持つワールドアクションモデルのストリーミング推論
• Abstract要約: アクションチャンキングは、複数のアクションに対してこのコストを減らしますが、後のアクションは、古い観測で条件付けられているため、長い実行地平線上でパフォーマンスが低下します。 本稿では,フローマッチングVLAをJEPAスタイルのWAMに変換するストリーミング推論およびトレーニングフレームワークであるSTAIRCASE POLICYを紹介する。 S-WAMは、LIBEROで97.7%、LIBERO-Plusで87.9%を達成し、複数のポリシーバックボーンと実ロボットタスクのパフォーマンスを改善している。
• 参考スコア（独自算出の注目度）: 11.787582554335886
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World-Action Models (WAMs) improve robotic manipulation by conditioning action generation on predicted future observations, but future prediction adds further inference overhead to already expensive iterative action generation. Action chunking can amortize this cost over multiple actions, yet performance degrades over long execution horizons because later actions remain conditioned on stale observations. We introduce STAIRCASE POLICY, a streaming inference and training framework that turns a flow-matching VLA into a JEPA-style WAM and partitions a large action chunk into sub-chunks at staggered denoising stages. Near-term actions are executed as soon as they become available, while later actions continue to be refined. At each sub-chunk boundary, the future latent is re-predicted from the latest observation and used to update all unexecuted actions, enabling long-horizon execution without repeated full policy inference. The resulting future-prediction error can further serve as a signal for adaptive chunking. S-WAM achieves 97.7% on LIBERO and 87.9% on LIBERO-Plus, and improves performance across multiple policy backbones and real-robot tasks. It reaches 292.7 executed actions per second, $3.62\times$ the throughput of conventional execution at comparable accuracy, while reducing time-to-first-action from 123.6 to 73.3 ms. With additional inference optimizations, throughput further increases to 642.9 actions per second.
• Abstract（参考訳）: World-Action Models (WAM) は、将来予測される観測に基づいてアクション生成を条件付けすることでロボット操作を改善するが、将来予測は、既に高価な反復アクション生成にさらなる推論オーバーヘッドを追加する。 アクションチャンキングは、複数のアクションに対してこのコストを減らしますが、後のアクションは、古い観測で条件付けられているため、長い実行地平線上でパフォーマンスが低下します。 ストリーミング推論およびトレーニングフレームワークであるSTAIRCASE POLICYを導入し、フローマッチングVLAをJEPAスタイルのWAMに変換し、ステージが停滞しているときに大きなアクションチャンクをサブチャンクに分割する。 短期的なアクションは利用可能になったらすぐに実行されるが、その後のアクションは洗練され続けている。 各サブチャンク境界では、将来の潜伏者は最新の観測から再予測され、実行されていないすべてのアクションの更新に使用される。 結果として生じる予測エラーは、適応的なチャンキングの信号として機能する。 S-WAMは、LIBEROで97.7%、LIBERO-Plusで87.9%を達成し、複数のポリシーバックボーンと実ロボットタスクのパフォーマンスを改善している。 毎秒292.7回の動作に到達し、従来の実行のスループットを同等の精度で$3.62の時間で、時間対ファーストアクションを123.6から73.3ミリ秒に短縮する。

関連論文リスト

• Streaming-WAM: Action-Conditioned World-Action Model for Asynchronous Robot Manipulation [21.031571063193546]
  Streaming-WAMは、非同期ロボット制御によるアクション条件付き世界モデリングを結合して、将来の視覚的予測におけるコミットアクションを考慮した。 現実世界のスタンプペーパータスクでは、平均エピソード時間は、同期ジョイントWAMで90秒からストリーミングWAMで38秒に減少する。
  論文  参考訳（メタデータ） (2026-09-24T02:19:21Z)
• Latent Action as Intention Enables Efficient Future Imagination for World Action Models [20.031922437200524]
  提案するアーキテクチャ**LAWA**は,コンパクトな潜伏動作を将来の意図の操作的表現として利用するWAMアーキテクチャである。 RoboCasaでは、LAWAは数ショットと全データ設定で65.6%と80.8%という最先端の平均的な成功率を達成した。 また、一致したJoint-WAMモデルの性能レベルも保持し、42.9%の遅延時間を必要とする。
  論文  参考訳（メタデータ） (2026-08-25T17:59:03Z)
• Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control? [78.81308700607651]
  アクションチャンキングは単一のアクションではなく、複数のアクションを予測し、実行する。 非マルコフ表現率の増大と、マルコフポリシーと比較して複合誤差の低減による作用チャンキングの利点が示された。 本稿では,アンサンブルを明示的にインスタンス化することで,アクションチャンキングのメリットを増幅するポリシークラスを提案する。
  論文  参考訳（メタデータ） (2026-08-03T17:32:45Z)
• CheckVLA: Execution-Time Verification with Action-Conditioned World Model for Long-Horizon Mobile Manipulation [15.532709298240215]
  視覚言語アクション(VLA)ポリシーは、オープンループアクションチャンクを通じて長距離移動操作を実行する。 本稿では、個別に訓練されたフリーズされた行動条件付き世界モデルを用いて実行を検証するCheckVLAを提案する。 RoboCasa365では、一般的なトレーニングレシピと一致した呼び出し予算の下で、CheckVLAの平均成功率は36.1%であり、定期的なリプランでは27.6%である。
  論文  参考訳（メタデータ） (2026-07-29T11:31:33Z)
• FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
  FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。 FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
  論文  参考訳（メタデータ） (2026-07-27T05:10:16Z)
• PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models [50.232333672172395]
  VLA(Vision-Language-Action)モデルは、ロボット操作の統一パラダイムを提供するが、実際のデプロイメントは実行効率によってボトルネックになることが多い。 強化学習に基づくポストトレーニングフレームワークである textbfPolicyTrim を提案する。 私たちのフレームワークは、タスクの成功率を損なうことなく、最大5.83$times$エンドツーエンドのデプロイメントスピードアップを提供します。
  論文  参考訳（メタデータ） (2026-06-21T14:54:07Z)
• When to Trust Imagination: Adaptive Action Execution for World Action Models [42.51856318901667]
  世界行動モデル(WAM)は、近ごろ、将来の視覚的観察と将来の行動を共同で予測することによって、ロボット操作のための有望なパラダイムとして登場した。 現在のWAMは、各モデル推論の後、一定の数の予測アクションを実行し、ロボットは、想像された未来が実際の物理的なロールアウトと一致しているかどうかを無視する。 我々は,将来性検証問題として適応型WAM実行を定式化し,WAM予測された未来が信頼性を保ちながらロボットはより長く実行すべきであり,現実が想像力から逸脱した場合にはより早く再計画する。
  論文  参考訳（メタデータ） (2026-05-07T13:18:28Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。